CC BY
97
Раздел V. Базы данных и знаний
Г.В. Горелова, В. А. Верба, Е.Н. Захарова, В.П. Карелин
КОГНИТИВНЫЙ ПОДХОД К ИССЛЕДОВНИЮ УСЛОВИЙ РАЗВИТИЯ РЕГИОНАЛЬНОЙ СИСТЕМЫ
Переход России к новым формам государственных, экономических и социальных отношений поставил страну перед острейшими проблемами обеспечения безопасного и устойчивого развития. Помимо практических, эти проблемы имеют множество теоретических аспектов. К вопросам теоретического исследования проблем безопасного и устойчивого развития будем подходить, следуя концепции устойчивого развития, изложенной в [1] и методологии когнитивного моделирования.
Изучение проблем развития регионов требует реализации идеи комплексного анализа всех внутренних и внешних факторов, преимущественно влияющих на интересы, безопасность, устойчивость развития, на возможность возникновения внутренних и федеральных конфликтов, анализа ресурсов, сил и средств обеспечения безопасного развития. Комплексный подход требует проведения взаимосвязанного анализа всех региональных систем: экономического, социального, природно-ресурсного, с учетом политических, правовых и др. отношений, существующих в конкретном регионе и его окружении. Осуществление исследований в названном направлении и практическая реализация получаемых результатов невозможны без применения компьютерных информационных технологий и интеллектуальных систем поддержки управленческих решений (ИСПУР). В настоящее время при изучении и моделировании слабоструктурированных социально-экономических проблем все более широкое распространение получают когнитивный подход и сценарный анализ [1,3,4]. Когнитивные модели входят в блоки поддержки принятия решений ИСПУР, моделируя процессы познания и решения проблем в сложных системах, в том числе социальноэкономических. В последние десятилетия когнитивные исследования далеко вышли за рамки только когнитивной психологии, о чем свидетельствует и недавно прошедшая Первая Российская конференция по когнитивной науке [8]. В сферу когнитивной науки входят исследования по нейрофизиологии, лингвистике, психологии, искусственному интеллекту. По словам Б.М. Величковского [8], можно выделить довольно четко отличающиеся друг от друга парадигмы когнитивных исследований. «Одна из них связана с компьютерной метафорой, предполагающей жесткое разделение ментального софтвера и физиологического хардвера...Не случайно картезианская лингвистика Хомского сыграла критическую роль в возникновении когнитивного подхода в середине 1950-х годов.другая парадигма, напротив, подчеркивает значение нейрофизиологических данных. Нейрокогнитивная парадигма, поддержанная новыми физическими методами нейровизуализации, доминирует сегодня в исследованиях познания.это триумф пионеров мировой нейропсихологии, прежде всего, А. Р.Лурия.Одной из ... областей применения может стать создание разнообразных когнитивных технических систем. Другими областями практики, оправдывающими затраты общества на проведение когнитивных исследований, являются медицина и образование» [8]. Следует добавить, что параллельно с названными направлениями и в нашей стране, и за рубежом активно развивается приложение достижений когнитивной науки к решению проблем управления социально-экономическими, социотех-ническими и другими сложными системами. Отличие - в объекте исследования. В первом случае - это человек, и попытка найти ответ на вопрос, как происходят про-
цессы познания, во втором - это человек и окружающий его мир, естественный и искусственный, и попытки использовать когнитивные технологии (технологии познания в том числе) для получения ответа на вопрос, как этот мир обустроить, чтобы он устойчиво и безопасно развивался.
Для моделирования процессов регионального развития была разработана укрупненная схема взаимосвязи основных подсистем, формирующих социальноэкономический региональный механизм (рис.1). Основой для этого послужили схема регионального экономического механизма, представленная в книге [Гран-берг А.Г. Основы региональной экономики: Уч.- М.: ГУ ВШЭ, 2000.- 495 с.], результаты экспертных опросов, ежегодная статистическая отчетность о социально-экономическом развитии региона, а также работы [1-4].
В итоге формализации проблемы развития региона может быть получена модель метанабора системы исследования:
М ={Мо (У, и, Р), МЕ(Х), Мое, Мс(0), Ммо, Мме, Ми, А}, (1)
где Мо(У, И, Р) - идентифицирующая модель системы, в которой вектор У - эндогенные переменные уеУсЕт, характеризующий фазовое состояние объекта, И - вектор управляемых переменных иеИсЕг, Р - вектор выделенных ресурсов реРсЕ8;
МЕ(Х) - модель окружающей среды, X - экзогенные величины; М0Е - модель взаимодействия объекта и среды; МС(Р) - модель поведения системы, р - возмущающие воздействия; ММ0 и ММЕ - модели изменения состояния системы и окружающей среды;
Ми - модель управляющей систем; А — правило выбора процессов изменения объекта (планирование имитационного эксперимента).
Модели системы, окружающей среды, их взаимодействия - это когнитивные модели; модели поведения системы - это импульсные процессы. Модель объекта Мо состоит из К взаимосвязанных подсистем (см. рис.1): Мь М0 = { М^ }, к = 1,2,.К. Мдк - параметрический векторный функциональный граф; М^ = Фп - это кортеж
Фп<<У, Е>, X, Б, 0>, в = < V, Е>, (2)
где:1) в - знаковый ориентированный граф - когнитивная карта; V={vi | viеV, 1=1, 2,...,к } - множество вершин («концепты»), являющихся элементами изучаемой системы; Е={е1 | е1еЕ, 1=1, 2,...,к } - множество дуг, дуги еуеЕ, ц=1, 2, ...,М отражают взаимосвязь между вершинами VI и V], которая в изучаемой ситуации может быть положительной, когда увеличение (уменьшение) одного фактора приводит к увеличению (уменьшению) другого, - отрицательной, когда увеличение (уменьшение) одного фактора приводит к уменьшению (увеличению) другого;
2) Х^^-б, X - множество параметров вершин, Х={х1 | х1еХ, 1=1, 2,.,к }, ={х(1)§}, §=1,2,...,1. х(1)§ - §-параметр вершины VI, если §=1, то х(1)§ = х1; 9 -пространство параметров вершин.
3) Р=Б(Х, Е) - функционал преобразования дуг Б: ЕхХх9^Я, ставящий в соответствие каждой дуге либо знак («+», «-»), либо весовой коэффициент юу, либо функцию Дх! , х] , еу)= Иу. Определение параметров характеристики Иу включает: определение шкалы, показателей, метода, точности, единицы измерения. Зависимость И] может быть не только функциональной, но и стохастической пу. Каждая связь между факторами когнитивной карты может раскрываться до соответствующего уравнения, которое может содержать как количественные (измеряемые) переменные, так и качественные (неизмеряемые) переменные. Количественные переменные входят естественным образом в виде их численных значений. Каждой качественной переменной ставится в соответствие совокупность лингвистических переменных, отображающих различные системы этой качественной переменной на шкале [0;1].
Финансовые
регулирующие системы Межрегиональный и
(бюджетно-налоговые, внешнеэкономический
денежно-кредитная, обмен
социального обеспечения
Природная среда
Рис.1. Схема регионального социально-экономического механизма (G1)
По мере накопления знаний о процессах становится возможным более детально раскрывать характер связей между факторами (процедуры «Data mining»).
Для моделирования взаимодействия сложных по природе процессов требуется определить схему взаимовлияния факторов и построение механизмов реакции на возмущение Q = {qj} и его передачу. С этой целью разработаны модели поведения системы Md(Q), модели MMo, Мме изменения состояния системы и окружающей среды, в которых отражено поведение изучаемого объекта во времени (эволюционное развитие или управляемое). Эти модели имеют вид модифицированного МФ-графа [Робертс Ф.С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам. - М.: Наука, 1986.-496 с.].
Модифицированный МФ-граф - это кортеж
МФ = <G, (X, Dp, Pxv, Puv, ц, v, Du, Pe), (h, W, Db), e> (3)
Здесь G=<V, E> - когнитивная карта; (X, Dp, Pxv, Puv, ц, v, Du, Pe) - параметрические характеристики вершин и механизмы преобразования возмущений, Dp: Imp^{Imp} - задержка реакции на импульсы, {Imp} - множество всех подмножеств импульсов; Px: {Imp} ^ Imp - поступившее возмущение, воздействующее на параметр фактора; Puv: {Imp} ^ Imp - поступившее возмущение, генерирующее передаваемое возмущение; ц: Imp х X ^ X - функции реакции на возмущение; v: Imp х X ^ Imp - функции генерации возмущения; Du: Imp^{Imp} - задержка генерации; Pe: {Imp}*^ Imp - переданное возмущение; (h, W, Db)- характеристики дуг;, h: E^H
- тип дуги; W: E х Imp х X ^ Imp - функция воздействия дуги; Db: Imp^{Imp} -задержка воздействия дуги; е - предельная точность вычислений.
Динамика возможного поведения объекта представляется импульсным процессом, каждая модельная реализация которого - гипотетический сценарий развития. Функционирование модели описывается в терминах «событие-состояние». Состояние - это текущие значения параметров вершин когнитивной карты (факторов). Событие - это смена состояния одного или нескольких факторов.
Введем формализованное описание сценария поведения объекта.
Сценарием 9 поведения объекта с точки зрения оперирующей стороны назовем последовательность пар (I(tn), tn), сформированную в соответствии с правилом выбора А:
9=9{(I(tn), tn)| tn еЛ при n=0,1,..., N; to=0}, где N - глубина сценария, T=tN - горизонт сценария. Правило выбора А указывает моменты времени для фиксации траектории поведения объекта. Способы формирования таких правил составляют предмет специальных исследований, результаты которых представляются ЛПР на экспертизу. Соответствующие расчеты по зафиксированным правилам служат основой для принятия окончательных решений.
Ситуация S(t) в момент времени t - это хронологизируемый во времени набор событий, происшедших до момента t:
S(t) = {3(n) ( x(n) (tn), y(n) (tn), tn); 0< tn <t, n=0,1,...,s; to=0}.
Временной шаг сценария тп - интервал времени между двумя соседними точками изменения обстановки: тп = tn+i - tn. В зависимости от правила выбора Л временной шаг может быть фиксированным тп = т = const или переменным тп = т(п), что определяется стратегиями, применяемыми оперирующей стороной для построения сценария.
Фрагментом 9(Д) сценария 9 оперирующей стороны на интервале Д=Тв - Тн назовем последовательность пар (I(tk), tk), сформированную в соответствии с правилом выбора Л для всех Тн<^<Тв, k=1, 2, ..., N(Д). Фрагмент сценария определяет ситуации, которые происходят за временной шаг тк = tk+1 - tk, включая ситуации в моменты времени tk, tk+1, и описывает процесс поведения объекта за время Д=Тв - Тн.
Сценарии различаются: по масштабу охвата событиями (локальные сценарии, составляемые отдельно по каждому объекту для изучения режима его функционирования, являются основой для принятия решений в локальной системе управления; межобъектовые или региональные сценарии, составляемые отдельно для некоторой группы объектов или режимов совместного их функционирования, являются основой для принятия решений соответствующей распределенной системой управления); по признаку режима функционирования (превентивные, используемые в режимах повседневной деятельности и повышенной готовности; оперативные, применяемые в чрезвычайном режиме; экспресс-сценарии, используются в случае отсутствия превентивных); по признаку типа вероятностных оценок события, связанных с возникновением
и функционированием объекта (базовые, наиболее вероятные сценарии поведения объекта, удобные для глубокого, тщательного анализа; пессимистические, фиксирующие набор событий и взаимосвязей между ними, приводящие к максимальным потерям и ущербу в результате их появления; оптимистические, фиксирующие наиболее благоприятное развитие событий).
Введем понятия сценариев безопасного и устойчивого развития.
Сценарий устойчивого развития - это сценарий ЭТ, если для любого п=1,2, ...,М ситуация является устойчивой. Устойчивая ситуация - это ситуация 8уст, если для V 8е 8уст, то есть расширенная фазовая траектория содержится внутри
множества устойчивых состояний Q или если значения параметров Х не превышают пороговых значений.
Сценарий безопасного развития - это сценарий ЭТ, если для любого п=1,2,...,М ситуация 8п является спокойной. Спокойная ситуация - это ситуация
8сп если 2(1) е Q для V 8е 8сп, то есть расширенная фазовая траектория содержится внутри множества условно допустимых состояний Р. Угроза - обстановка 1(1) содержит угрозу если существует возможное очередное экспертно значимое
событие (определяется группой экспертов) 3“хп+1 (Vп+1), приводящее к ситуации $ (V; +1) е $ , не являющейся спокойной.
Существуют различные методы построения сценариев: неформализованные, формализованные, частично формализованные. Неформализованные (экспертные) - это методы построения сценариев с приоритетным использованием мнений экспертов. Формализованные - это методы генерации сценариев, основанные на автоматической или автоматизированной процедуре. Частично-формализованные (интерактивные) - это схемы формализованного построения, корректируемые с помощью экспертной оценки.
В настоящей работе представлены частично-формализованные сценарии, получаемые с помощью автоматизированной процедуры, реализованной в программной среде ПС КМ [5,6].
Модель импульсного процесса - это кортеж <Ф, р, РЯ>, где Ф - Ф-граф, Ф=<^, Е), Х, W>, 0=Р(1П) - последовательность возмущающих воздействий, РЯ
- правило изменения параметров, при этом последовательность <п, Х(1п), 0(1п)> является модельным представлением системы <1п, 8п, Вп>.
Правило РЯ изменения параметров в вершинах в момент 1п+1, если в момент времени 1п в вершины поступили импульсы р, следующее:
к-1
X (О = X. (К ) + 2 /(х;, ху, еу )р ) + & +1).
У} :е = еу еЕ
Так как в Ф-графе импульс в импульсном процессе представляется упорядоченной последовательностью без привязки ко времени, то можно использовать запись формул «в п-й момент времени». Тогда значение параметра х„ и величина импульса Р„ в вершине V в момент п+1 будут такими:
к-1
хч(п +1) = хч(п) + 2 /(X, ху, еу)р (п) + &(п +1);
Уу :е = еу еЕ к-1
Р. (п + 1) = 2 /(х;, ху, еу )Р (п) + 0; (п + 1). (4)
:е = еу еЕ
Математическая модель импульсных процессов на знаковых графах (в матричном виде). Пусть Qt = \ди}к=і, /=0,1, 2,., - вектор внешних импульсов qiг, вносимых в
вершины у1 в момент времени 1; X/ = {хй}к=1, /=0,1, 2,., - вектор значений параметров хй вершин у1 в момент времени 1; К/ = {А и }к=1- вектор параметров вершин в
момент времени 1, который задается уравнением ^ = X - Хл, 1=1, 2,3,.
Изменения параметров вершин задаются уравнением Х4 = Х^ + ЛЯ^ + .
Тогда для И* получаем
Кі=Л1-1ро + А1-2 01+.+ Арі-2+ І0і-1, (5)
где I - единичная матрица.
Для частного случая импульсных процессов на когнитивных картах, называемых автономными (внешние импульсы вносятся только один раз в начале моделирования), а это р11=0, У1>1, и для изменения параметров имеем
/ к /—1 / ї \ ї
А і = 2 а ц Рю , 1 =1, 2...,М; ац - элемент матрицы А = ац
і =1
Простейшим вариантом распространения возмущения является случай, когда Р(0) имеет лишь один ненулевой вход, т.е. возмущение поступает только в одну вершину VI. Такие процессы принято называть простыми процессами распространения возмущений.
На начальных этапах в условиях дефицита информации о моделируемом объекте для построения модели используются знаковые и взвешенные знаковые графы (2). В качестве исходной информации используются грубые оценочные характеристики. На заключительной стадии модельного эксперимента используются модифицированные функциональные графы и более точная исходная информация, накопление которой ведется адресно по результатам начальных этапов экспериментов.
Формализация СТС в виде моделей (1)-(3) и их анализ происходят в несколько этапов, процесс уточнения моделей связан с последовательным укрупнением или детализацией моделей, изучением как отдельных блоков, так и их системы. Для теоретического обоснования этих этапов формализации предлагается применять существующие подходы и методы теории графов. Остановимся на некоторых.
Базовыми задачами на графах и гиперграфах, к которым сводятся многие задачи проектирования и управления в социотехнических системах, являются такие как декомпозиция графа на подграфы, агрегирование или обобщение (кластеризация, классификация), размещение вершин графа (линейное, плоскостное, объемное), вершинное покрытие графа (разбиение на классы толерантности или сходства), раскраска графов, упаковка графа, определение изоморфизма, изоморфного вложения, изоморфного пересечения графов [3,5]. В отличие от операции декомпозиции (разрезание, сегментация) графа на подграфы, которая используется при анализе систем, операция агрегирования применяется для объектов, информационно несвязанных, и чаще выполняется при геометрическом представлении объекта в многомерном фазовом пространстве (пространстве признаков). Эта операция используется при построении нечетких классификационных моделей (при структурном синтезе) путем выделения (формирования) классов толерантности или нечеткой эквивалентности, при обработке эмпирических данных любой природы [5].
Ввиду особой важности задачи декомпозиции графов на заданное число подграфов, существует много различных алгоритмов ее решения [3,5]. Рассмотрим задачу оптимальной декомпозиции ориентированного графа на т подграфов. Наиболее широко распространенным и важнейшим критерием декомпозиции является оптимиза-
ция суммарного числа связей, проходящих между отдельными сформированными группами элементов. Эти связи называются разрываемыми или разрезаемыми. Под оптимизацией предполагается получение разбиения с минимумом разрываемых связей. Стремление уменьшить число связей между группами элементов в значительной степени идентично увеличению «плотности» связей внутри каждой группы, что также может иметь важное самостоятельное значение.
При решении задачи оптимальной декомпозиции ориентированного графа -когнитивной карты - в отличие от декомпозиции неориентированных графов имеется некоторая специфика, состоящая в том, что все ребра, выходящие из одной вершины и попавшие в сечение, считаются как одно ребро. Таким образом, фактически при декомпозиции орграфа подсчитывается не число ребер в сечении, а суммарное число вершин, из которых выходят эти ребра.
Обозначим множества вершин в каждом из т подграфов соответственно X!,X2, ... Хт, где их,. =Х X, п х, =0, I = ] и у е М = { 1, 2, ... т }.
I
Пусть Л, - число вершин в X,, для которых ¥х, ^ (х — X, ), X ^ е X,.
Очевидно, при выполнении декомпозиции необходимо найти такое перераспределение вершин между подграфами, чтобы выполнялось условие
т
Л = 2Л = тт Л < Р. (6)
г=1
Формула (6) относится к случаю декомпозиции графа на т подграфов, имеющих
т
соответственно кI, к2, , кт вершин, где ^ki = п. Ясно, что выполнить такое число
1=1
изоморфных преобразований матрицы даже при небольшом п (п =100) практически невозможно. Поэтому конструируются эвристические алгоритмы [5] решения задачи оптимальной декомпозиции орграфа на заданное число подграфов. Алгоритм предполагает оптимальным образом декомпозировать заданный граф на два подграфа, производя при этом ряд поэлементных перестановок вершин между подграфами до тех пор, пока не выполнится условие (6). Затем один из подграфов выделяется, а для оставшегося выполняется аналогичная процедура. Таким образом, за т - 1 разбиений графа на два, получаем декомпозицию исходного графа на т подграфов.
Выполнение этих формальных процедур в процессе когнитивного моделирования необходимо осуществлять параллельно с экспертной интерпретацией промежуточных результатов для того, чтобы не был потерян содержательный смысл декомпозиции.
В процессе когнитивного моделирования социотехнических систем происходят неоднократные преобразования когнитивных карт, отображающих разные аспекты функционирования социотехнических систем и глубину раскрытия проблем. Возникают задачи распознавания изоморфизма различных когнитивных карт и установления адекватности разрабатываемых моделей. Нужно отметить, что в строгом смысле говорить об изоморфизме когнитивных карт проблематично, скорее, это задача о степени их сходства.
Проблема распознавания изоморфизма или эквивалентности двух графов является одной из центральных комбинаторных проблем теории графов. Она состоит в следующем: для заданных графов Н и в требуется определить, существует ли взаимно однозначное отображение между множествами вершин графов, сохраняющее отношение смежности вершин.
Разработке и исследованию методов и алгоритмов распознавания изоморфизма графов посвящено много работ, носящих как теоретический, так и прикладной характер. Распознавание изоморфизма графов является основной процедурой или подзадачей для еще более сложной и важной в прикладном отношении
задачи распознавания изоморфного вложения графов, которая является ЫР-полной. Она состоит в следующем распознавании: содержит ли граф О часть, изоморфную графу Н? Формальное определение изоморфизма неориентированных графов описывается ниже.
Пусть даны два неориентированных графа в=(Х, Б) и И=(У, Р), где X и У -множества вершин | X | = | У = п,| , а Б : X ^ X и Р : У ^ У - отображения множеств вершин в себя.
Обозначим Бх и Ру, где FxcX, РусУ, множества вершин, смежных, соответственно, с х eX иуеУ.
Графы в и И называются изоморфными, если существует взаимно однозначное отображение переводящее в в И, т.е. для любой такой пары х е X и что
называемой изоморфной. При распознавании изоморфизма графов в=(Х, Б) и И=(У, Р) необходимо ответить на вопрос, изоморфны графы или нет и, в случае изоморфизма указать изоморфную подстановку. Эта задача может быть сведена к задаче линейного целочисленного программирования. В работе [5] представлены алгоритмы распознавания изоморфизма четких и нечетких графов.
Построение модели и проведение модельного эксперимента развития региона было проведено с помощью программы ПС КМ (см. рис.3, разработчик программного обеспечения С.А.Радченко [12]) с использованием информации, хранящейся в базе данных и обновляемой в интерактивном режиме при общении с экспертами.
На рисунках 3, 4, 5, 6 приведены примеры, в некоторой степени иллюстрирующие результаты исследований.
На рис.2 представлена когнитивная карта, построенная с помощью программной системы ПС КМ и являющаяся подграфом графа в1 (рис.1), на котором вершины, образующие в2 , выделены. В отличие от графа в1, ряд дуг, выходящих из вершин графа в2 , не стянуты в одно ребро (например, дуги У6,У9). Кроме того, в2 - знаковый граф, на нем обозначены прямые влияния вершин сплошными линиями (+). обратные пунктиром (-)._____________________________________________
РЩ — y, имеет место Щ(Рх) — Р(у) .
Уб. Федеральные р
ешнеэкономический обмен
У8. Природная среда
V*]. Население
Рис. 2. Укрупненная когнитивная карта региональной системы (02)
Рис. 3. Структура задач программной системы когнитивного моделирования
Приведем некоторые результаты сценарного анализа, проведенного по когнитивной карте в2. Предварительно необходимо составить план эксперимента (см. таблицу), выделив целевые вершины и вершины, в которые может быть вне-
сен управляющий импульс или которые в наибольшей степени подвержены внешним возмущениям. Заметим, что построение плана эксперимента (протокола испытаний) - задача непростая, так как число перебираемых вариантов может быть значительным, кроме того, при большом количестве изменений затруднена содержательная интерпретация моделируемых сценариев. Для решения задачи составления плана эксперимента целесообразно применять, например, правила планирования эксперимента в условиях неоднородности.
Таблица
Фрагмент плана моделирования региональной социально-экономической системы
Опыт Импульс Конечное потребление Производство Занятость Доходы населения Валовое накопление е еи 1 2 а 1 & § ду © Л ь-- е н к р ален * В с § § ? Є к <3 и Ї ри 2 Й Ї Природная среда е ен еел асе к
V, V2 Vз V4 V5 V,; V7 V* V9
1 Чу2 +1
2 Чу2 ,Чу6 а) б) в) +1 - 1 +1 - 1 + 1 + 1
3 Чу1 ,Чу6 +1 + 1
4 ^у2 ^у6 ^у7 а) б) в) г) д) е) +1 -1 -2 -2 -1 -1 + 1 + 1 + 1 +4 -1 -1 + 1 + 1 + 1 + 1 + 1 +3
5 'О О*! г\< К +2 -1 -1 -1
На рис.4 приведены графики двух сценариев, соответствующих плану таблицы. По оси абсцисс отображены такты моделирования - п, по оси ординат - коэффициенты преобразования начальных импульсов после прохождения их по путям и циклам когнитивной карты.
На рис.5. представлена когнитивная карта в3, детализирующая блок «Производство» укрупненных когнитивных карт в1 и в2 и раскрывающая взаимосвязи его вершин с другими вершинами. На рис. 6 приведены два сценария (а) и (б) и соответствующие им графики импульсных процессов. Сценарий (а) - пессимистичный, сценарий (б) - более благополучный, что видно по тенденциям изменений обозначенных на графиках (б) показателей. Сценарий (б) может осуществиться, если появятся внешние инвестиции ^уо= +1) и увеличатся объемы производства ^2= +1).
------- Конечное потребление
------ Производство
- — • Доходы населения -------Валовое накопление
------- Конечное потребление
------ Производство
- — • Доходы населения ------- Валовое накопление
а)
Рис. 4. Примеры импульсных процессов: а) опыт №1, импульсный процесс при внесении одноразового возмущения в одну вершину qV2 = +1 (улучшение производства); б) опыт №5, импульсный процесс при внесении одноразовых возмущений в 4 вершины qV2 = +2, qV3 = -1, qV6 = -1, qV7 = -1 (улучшение состояния производства на две позиции, но ухудшение взаимоотношений с федеральными органами, снижение межрегионального и внешнеэкономического обмена, падение занятости населения)
Рис.5. Когнитивная карта «Промышленность» (О3)
щений: а) qvo= +1, qV6= +1, qV7= -1, qV8= -1; б) qvo= +1, qV2= +1
Заметим, что согласно принятым в настоящее время показателям-индикаторам безопасного и устойчивого развития, например [9], приведенные когнитивные карты и соответствующие им сценарии содержит основные из них На основании результатов полного исследования сложной системы (например, решения всех задач, доступных ПС КМ) и получения множества разработанных сценариев (пессимистических, оптимистических, безопасного, устойчивого развития, наиболее вероятного сценария из нескольких рассмотренных) должен определяться практический курс действий - граф целей и задач. Он может быть образован в результате принятия решений по экспертной оценке предложенных стратегий развития и соответствующих им решений обратных задач - задач подбора конкретных управляющих воздействий Q.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Axelrod R. The Structure of Decision: Cognitive Maps of Political Elites. Princeton. University Press, 1976.
2. Eden C. Cognitive mapping// European Journal of Operational Research.-1998.-№36. pp. 1- 13.
3. Берштейн Л.С., Карелин В.П., Целых А.Н. Модели и методы принятия решений в интегрированных интеллектуальных системах. Ростов-на Дону: Изд. РГУ, 1999. 278с.
4. Горелова Г.В., Джаримов Н.Х. Региональная система образования, методология комплексных исследований.- Краснодар: изд. ГУП «Печатный двор Кубани», 2002. 358с.
5. Карелин В.П. Методы распознавания изоморфизма четких и нечетких графов //Известия ТРТУ, №1,1997. Таганрог: Изд. ТРТУ, 1997.
6. Корноушенко Е.К., Максимов В.И., Райков А.Н. Информационные системы и когнитивные модели интеллектуальной поддержки государственных решений. Из кн. Новая парадигма развития России (комплексные проблемы устойчивого развития). Под. ред. В. А. Коптюга, В. М. Матросова, В. К. Левашова. - М.: Изд. “Академия”, Изд. МГУК, 1999, с.328-340.
7. Кульба В.В., Кононов Д.А., Ковалевский С.С., Косяченко С.А, Нижегородцев Р.М., Чернов И.В. Сценарный анализ динамики поведения социальноэкономических систем. М., 2002 (Научное издание / Институт управления им. В.А.Трапезникова РАН).
8. Максимов В.И. Когнитивные технологии - от незнания к пониманию. // Сб. 1-й трудов «Когнитивный анализ и управление развитием ситуаций», (САSC,2001). Тр. Межд. конф., Т.1. с. 4-41.
9. Матросов В.М. Подход к комплексному решению стратегических проблем безопасности и перехода России к устойчивому развитию. В кн. «Новая па-радагма развития России (комплексные исследования проблем устойчивого развития)» / Под ред. В.А.Коптюга, В.М.Матросова, В.К.Левашова М.: Изд. «Academia», изд. МГУК, 1999. С.57-63
10. Новая парадигма развития России (комплексные проблемы устойчивого развития) / Под. ред. В. А. Коптюга, В. М. Матросова, В. К. Левашова. М.: Изд. “Академия”, Изд. МГУК, 1999. 459 с.
11. Первая Российская конференция по когнитивной науке/ Тезисы докладов. Казань, 1-12 октября 2004 г. 302 с.
12. Пьявченко О.Н., Горелова Г.В., Боженюк А.В., Клевцов С.А., Каратаев В.Л., Радченко С.А., Клевцова А.Б. Методы и алгоритмы моделирования развития сложных ситуаций. Таганрог: Изд. ТРТУ, 2003г. 157 с.
